基于数据挖掘的网络安全审计技术研究

论文摘要

随着网络攻击问题的日益突出,网络安全审计的重要性越来越明显。决策树分类是一种有效的基于数据挖掘的安全审计方法,但它在处理大规模安全审计数据时遇到如下几个问题:计算量成倍增长;冗余、干扰属性的影响;规则复杂,过拟合度高。针对这些问题,本文对特征选择、连续属性离散化、分裂属性选择以及决策树剪枝这些安全审计过程中的关键技术进行了研究。本文首先研究特征选择方法,在对现有的特征选择方法分析的基础上,采用基于特征相似性的特征选择算法,以降低审计数据维数,提高审计速度。第二,针对决策树分类方法的特点,对审计数据进行变换,主要是将连续的属性值转换为离散的属性值。通过研究现有的离散化方法,提出一种改进的,适合审计数据的、计算量小的离散化方法。第三,采用决策树分类方法对预处理后的审计数据进行分析。对基于信息熵的分裂属性选择标准进行了分析,在分类效果相对较好的NG标准的基础上提出了一种改进方法,通过对比实验证明该改进方法提高了分类速度和准确率。然后对决策树剪枝方法进行了研究,采用MDL方法对大数据集生成的树进行剪枝。最后,综合运用上述这些方法来对审计数据进行分析。试验结果表明,相比于传统的类似方法,本文对决策树分类方法处理审计数据过程中的主要环节进行优化后,在一定程度上提高了网络安全审计的速度和准确率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究背景
• 1.2 国内外研究现状
• 1.3 论文的结构及创新点
• 1.3.1 论文的结构
• 1.3.2 论文的创新点
• 第二章 数据挖掘技术
• 2.1 数据挖掘技术概述
• 2.1.1 数据挖掘的功能
• 2.1.2 数据挖掘过程
• 2.1.3 数据挖掘的方法
• 2.2 分类数据挖掘
• 2.2.1 分类的目的
• 2.2.2 分类的步骤
• 2.2.3 分类方法的评估标准
• 2.2.4 几种分类算法的比较
• 2.3 决策树分类方法
• 2.3.1 常用的决策树算法
• 2.3.2 构建决策树的主要步骤
• 2.3.3 决策树分类的优缺点
• 2.4 网络安全审计数据的挖掘过程
• 第三章 数据预处理中的关键技术研究
• 3.1 特征选择方法研究
• 3.1.1 属性子集的产生
• 3.1.2 评估准则
• 3.1.3 特征选择算法
• 3.2 离散化方法研究
• 3.2.1 离散化算法的分类
• 3.2.2 经典的离散化方法
• 3.2.3 基于熵的离散化评价标准研究
• 3.2.4 离散化算法的改进
• 3.2.5 离散化算法步骤
• 3.3 利用改进算法进行离散化的一个实例
• 3.4 本章小结
• 第四章 数据分析中的关键技术研究
• 4.1 分裂属性选择标准研究
• 4.1.1 传统的分裂属性选择标准
• 4.1.2 分裂属性选择标准的改进
• 4.2 决策树修剪方法研究
• 4.2.1 剪枝时应考虑的问题
• 4.2.2 剪枝方法
• 4.3 数值试验
• 4.4 本章小结
• 第五章 大规模审计数据挖掘方法的研究
• 5.1 决策树处理大规模审计数据时存在的问题及改进
• 5.1.1 存在的问题
• 5.1.2 改进方法
• 5.2 安全审计方法描述
• 5.3 数值试验
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 后续工作展望
• 致谢
• 参考文献
• 研究成果